基于稳态视觉诱发脑机接口的机器人控制方法

摘要

本发明涉及基于稳态视觉诱发脑机接口的机器人控制方法，首先将实际采集得到的脑电信号通过带通滤波进行预处理；其次对预处理得到的脑电信号进行快速独立成分分析得到独立成分；然后用希尔伯特黄变换对独立成分分解获得固有模态函数；接着对固有模态函数进行频谱分析得到所需特征。最后运用阈值判断法对提取的特征进行分类，把分类结果翻译成机器人能识别的信号，从而实现对机器人的实时控制。本发明基于稳态视觉诱发电位的脑机接口，传输率高、设备装置简单。在特征提取的过程中结合了独立成分分析和希尔伯特黄变换，使特征提取更有效。实现了对机器人运动的无肢体动作控制，可使重症瘫痪但脑功能正常的残疾人控制机器人辅助他们进行日常生活。

主权项

1.基于稳态视觉诱发脑机接口的机器人控制方法，其特征在于，包括以下步骤：步骤1，安放脑电极；被受试者安静放松地坐在舒适的椅子上，椅子距离计算机显示屏约65厘米；脑电极安放按照国际10-20系统电极放置标准在被测试者头部枕区P3、PZ、P4、PO3、POZ、PO4、O1、OZ、O2位置，以耳部作为参考电极，接地电极接地，给电极打入导电膏，确保电极阻抗保持低于5kΩ才可以进行实验；步骤2，呈现刺激范式；使计算机屏幕上出现四个白色正方形图片，分别分布于屏幕的上、下、左、右四个方位，并且这四个白色图片分别以不同的刺激频率进行闪烁，每个闪烁频率对应着机器人的一个运动方向；步骤3，获取脑电信号；当被测试者专注于步骤2中的一个图片时，被测试者的枕叶区就会诱发出和图片相同频率以及谐波成分的脑电波；将大脑枕叶区产生的脑电波信号由电极送入数字脑电记录仪进行放大、A/D转换等处理，然后将得到的脑电信号传输至计算机；步骤4，对步骤3采集到的脑电信号进行滤波预处理，得到脑电信号x(t)；步骤5，应用快速独立成分分析法对预处理后的脑电信号进行独立源提取；利用独立成分分析法对预处理得到的脑电信号x(t)进行处理；独立成分分析以源信号彼此相互独立为前提，通过构造对分离结果独立性度量的目标函数，并对目标函数进行优化，使得分离结果尽可能地彼此相互独立，从而达到对独立源的提取；在独立成分分析的过程中用到了基于负熵的快速独立成分分析，步骤如下所示：步骤5.1，对数据进行中心化处理，使数据的均值为零；步骤5.2，对数据进行白化得到c(t)，表示为：$c\left(t\right)=U\hat{x}\left(t\right)$其中，E表示求期望，U∈R^(n+1)×(n+1)是的白化矩阵，且满足E(UU^T)=I，即U的矩阵为协方差矩阵，n的值等于脑电信号含有的电极通道数减1；步骤5.3，选择一个具有单位范数的初始化向量ω_i(m)，其中ω_i(0)∈R^(n+1)×1，||ω_i(0)||=1，m是迭代的次数，i为正整数，i∈[1,n+1]；步骤5.4，更新ω_i(m)：其中，G是一个任意非二次型函数的导数，G′是一个任意非二次型函数的二阶导数；步骤5.5，对ω_i(m+1)进行标准化：ω_i(m+1)＝ω_i(m+1)/||ω_i(m+1)||步骤5.6，判断ω_i(m+1)是否收敛，即判断ω一个迭代前后的值是否指向同一个方向，判断方法如下：如果|1-ω_i(m)·ω_i(m+1)|＜δ，δ一般取0.0001，且|ω_i(m+1)-ω_i(m)|＜ε，ε为迭代精度，一般取0.0001，则ω_i(m+1)收敛，迭代结束，ω_i(m+1)作为得到的权值向量；否则，重复步骤5.4、步骤5.5；步骤5.7，计算独立成分矩阵y(t)，式如下：y(t)＝W·x(t)＝[y₁(t),y₂(t),...,ω_n+1(t)]^T，其中，W＝[ω₁(m),ω₂(m),...,ω_n+1(m)]^T∈R^(n+1)×(n+1)；通过快速独立成分分析，得到各个通道的独立成分，完成独立源的提取；步骤6，对信号进行希尔伯特黄变换；希尔伯特黄变换主要包含经验模态分解EMD和Hilbert谱分析；首先利用EMD方法将给定的信号分解为若干固有模态函数IMF，这些IMF是满足一定条件的分量；然后，对每一个IMF进行Hilbert变换，得到相应的Hilbert谱，即将每个IMF表示在联合的时频域中；最后，汇总所有IMF的Hilbert谱得到原始信号的Hilbert谱；经验模态分解是一个筛选的过程；这个筛选过程可以依据信号的特点自适应地把任意一个复杂信号分解为一列本征模态函数IMF；步骤6.1，应用EMD方法将信号分解为若干固有模态函数IMF；（1）确定y(t)所有的极值点，用三次样条曲线分别对极小值点和极大值点进行拟合，得到上包络曲线e_max(t)和e_min(t)；（2）计算包络线的平均值m(t)：m(t)＝(e_max(t)+e_min(t))/2（3）更新信号：c(t)＝y(t)-m(t)（4）若c(t)不满足IMF定义，则用c(t)取代x(t)，计算剩余信号r(t)：r(t)＝y(t)-c(t)判断是否满足EMD的筛选条件：信号极值点的数量与零点数相等或相差1；信号由极大值定义的上包络和由极小值定义的下包络的局部均值为零；如果不满足，对r(t)重复步骤（1）～（3）；如果满足，停止循环，此时的脑电信号y(t)为：$y\left(t\right)=\underset{i=1-}{\overset{n}{\Sigma }}{c}_i\left(t\right)+r_n\left(t\right)$其中，c_i(t)就是第i次筛选得到的IMF分量；步骤6.2，对IMF进行频域分析或功率谱估计；采用快速傅里叶变换对IMF进行频域分析，在快速傅里叶变换得到的频率谱图中，可以明显看到在波峰位置对应的频率，就是大脑皮层枕叶诱发脑电波的频率；也可以采用AR能量谱，在AR能量谱图中，能量最高点对应的频率，也是大脑皮层枕叶诱发脑电波的频率；步骤7，对脑电信号进行分类；在电脑显示屏幕上有四个图片，分别以不同的刺激频率闪烁，当看一个图片的时候其他三个图形也会在大脑头皮枕叶区诱发相应的刺激，因此需要对提取特征的脑电信号进行分类把目标图形的频率分离出来；步骤8，将分类结果翻译成机器人能识别的信号，然后向机器人发送控制指令，从而对机器人进行实时控制。